Проблема: Конкуренция за ресурсы в IoT
Современные системы сбора данных генерируют огромные объемы разнородных потоков от множества датчиков. Традиционные беспроводные сети выделяют ресурсы на уровне устройства (UE), что приводит к конфликтам: массовая передача данных может «задушить» критически важную телеметрию, требующую низкой задержки. Это особенно актуально при использовании ИИ для инференса и обучения в дата-центрах.
Решение: SLED и агентный кодинг
Команда из 8 авторов (включая Alan Subedi и Mehmet C. Vuran) представила SLED (Sensor SLicing from Edge to Datacenter). Система обеспечивает детерминированную изоляцию на уровне MAC-доступа в архитектурах O-RAN. Ключевое отличие — использование агентного кодинга для автоматизации разработки.
Сравнение эффективности разработки:
| Метрика | SLED (Agentic) | ОAI (Ручная) | Ускорение |
|---|---|---|---|
| Время разработки | 2 ч 40 мин | 6.5 недель | 400x |
| Человеческие промпты | 4 | 913 | 228x |
| Объем токенов | 0.64B | 1.43B | < 50% |
Результаты тестирования
Эксперименты в реальной радиосреде (over-the-air) показали радикальное улучшение стабильности задержек. В то время как традиционное сетевое слайсинг увеличивает задержки критических пакетов более чем в 2300 раз при высокой нагрузке, SLED сохраняет стабильные показатели. Пропускная способность остается в пределах 0.9–1.4% от ожидаемых значений даже при масштабировании количества срезов.
Значение для отрасли
Работа принята в IEEE AIoT 2026. SLED демонстрирует, как можно эффективно использовать ресурсы по всей цепочке «датчик — периферия — HPC-кластер», не жертвуя скоростью отклика. Программное обеспечение и датасеты доступны публично, что открывает путь для внедрения в промышленный IoT и умные города.
Источник: arXiv cs.AI ↗
